算法设计与分析实践-作业5-最近点对问题

算法设计与分析实践-作业5-最近点对问题

1. 问题

• 在一个笛卡尔平面上有若干个点，找出最近的一对点。

2. 解析

• 数据预处理：令P为笛卡尔平面上n>1个点构成的集合，假设集合中的每个都不一样，我们还假设这些点是按照x轴坐标升序排列的。（如果不是这样，可以事先用类似合并排序这样的高效算法对其进行排序。）为了更加方便，我们还可以按照点的y轴坐标在另一个列表中进行升序排列。
• 问题分类讨论：
  当点的数量n满足：n=2时，两点之间的距离就可以直接得出。
  当点的数量n满足：n>=3时，我们可以利用点集在x轴方向上的中位数m，在该处作一条垂线，将点集分成大小分别为ceil（n/2）和floor（n/2）的两个子集Pleft和Pright。即使得其中ceil（n/2）个点位于线的左边或线上，floor（n/2）个点位于线的右边或线上。然后就可以通过递归求解子问题Pleft和Pright来得到最近点对问题的解。
• 注意点，以上分区域比较所得的d不一定是所有点对的最小距离，因为距离最近的两个点可能分别位于分界线的两侧。因此，在合并较小子问题的解时，需要检查是否存在这样的点。显然，我们可以只关注以分隔带为对称的、宽度为2d的垂直带中的点，因为任何其他的点对的距离都至少为d（见图a）。
  
  设S是来自Q，位于分割线2d宽度范围内的垂直带的点的列表。由于Q的特点，因此S是按照y轴坐标升序排列的。我们扫描该列表，当遇到更近的点对时，更新目前为止的最小距离dmin。初始情况下dmin=d，但接下来dmin<=d。设p（x，y）为列表中的点。如果另一个点p‘（x’，y‘）和p点的距离小于dmin，那么在列表S中，p’点一定位于p点后面，并且两点在y轴上的距离一定要小于dmin。在几何上，这也就意味着p‘点一定包含在图（b）中的矩形内。该算法主要原理利用了以下事实：矩形内一般只能够包含少量候选点，因为在矩形另一边（左半边和右半边）内，点与点之间的距离至少为d。

3. 设计

下面是处理该问题时的伪代码：

EfficientClosestPair(P,Q)
//使用分治算法来求解最近点对问题
//输入：数组P中储存了平面上的 n>=3 个点，并且按照这些点的x轴坐标升序排列
//输入：数组Q存储了与P相同的点，只是它是按照这点的y轴坐标升序排列
//输出：最近点对之间的欧几里得距离
if n<=2
	返回两个点之间的距离
else
	将 P 的前 ceil（n/2）个点复制到 P left
	将 Q 的前 ceil（n/2）个点复制到 Q left
	将 P 中余下的 floor（n/2）个点复制到 P right
	将 Q 中余下的 floor（n/2）个点复制到 Q right
	d left = EfficientClosestPair( P left, Q left)
	d right = EfficientClosestPair( P right, Q right)
	d = min{d left, d right}
	m = P[ceil(n/2)-1].x
	将 Q 中所有 |x-m|<d 的点复制到数组 S[0...num-1]
	dminsq = d^2
	for i=0 to num-2 do:
		k = i+1
		while k<=num-1 and (S[k].y-S[i].y)*(S[k].y-S[i].y) <dminsq
			dminsq = min((S[k].x - S[i].x)^2+(S[k].y - S[i].y)^2,dminsq)
			k = k+1
return sqrt(dminsq)
	

4.分析：

5. 源码

https://github.com/Ericjin1022/-suanfa